Optimizasyon ve yapay zeka çalışmaları iş zekasının üstüne kurulur. Veri düzenli ve tutarlı değilse, kolayca erişilemiyorsa o veriyle çalışan model de güvenilir olmaz.

Önce izlenebilirlik

Kurduğumuz yapılarda ilk kuralımız, gösterge panelindeki bir rakamın hangi kaynaktan geldiğinin, hangi dönüşümlerden geçtiğinin ve ne zaman güncellendiğinin görülebilmesi.

Bunun pratik bir sebebi var. Bir raporun sayısı tartışmaya açıldığında (ki açılır) cevabın “sistem böyle hesaplıyor” olması güveni bitirir. Sayının izi sürülebiliyorsa tartışma beş dakikada kapanır.

Katmanlı yapı

Veriyi tek bir yerde tutup üstüne rapor yazmak kısa vadede hızlı, uzun vadede pahalıdır. Kurduğumuz yapı katmanlı çalışır.

Ham katman kaynak sistemden geleni olduğu gibi tutar. Buraya dokunulmaz; bir hata olduğunda geri dönülecek yer burasıdır.

Dönüşüm katmanı iş kurallarını uygular: birim çevrimleri, hiyerarşi eşlemeleri, tekilleştirme.

Sunum katmanı raporun ve modelin okuduğu yerdir. Burada öncelik hız.

Doğrulama ayrı bir iştir

Veri boru hattının en sık atlanan parçası doğrulamadır. Çimsa yakıt optimizasyonu projesinde model çalışmadan önce onlarca kontrol yapılıyordu: her tedarikçi–yakıt eşleşmesi için kapasite tanımlı mı, her lokasyon için depo kapasitesi var mı, minimum sipariş miktarı lot büyüklüğünden küçük mü?

Bu kontroller olmadan model ya hiç çalışmaz ya da sessizce yanlış sonuç verir. İkincisi daha tehlikelidir çünkü fark edilmez.

Ne teslim ediyoruz

Veri ambarı tasarımı, ETL süreçleri, gösterge panelleri ve talebe özel analizler. Bugüne kadar kurduğumuz gösterge paneli sayısı 200’ü geçti; bunların çoğu bir optimizasyon veya tahmin modelinin çıktısını izlemek için kuruldu.

Bu alandaki işlerimiz

Derimod

Derimod: veri ambarından Optail'e üç katmanda yedi proje

AX ERP, Excel ve CRM'de dağınık duran veriyi tek bir veri ambarında birleştirdik; üzerine 20'den fazla Power BI dashboard'u kurduk; en üste de ilk sevkiyat, replenishment ve mağazalar arası transfer kararlarını veren Optail'i koyduk. Ardından stok analitiği (satış kaybı, kırıklık, atıl stok) ve CRM katmanı geldi. Bu sayfa genel bakış; yedi projenin her birinin ayrı sayfası var.

  • 20+ Dashboard
  • 7.000+ Optail senaryosu

Defacto

Defacto DSO: veri bilimi ofisinin kuruluşu ve dört yıllık danışmanlık

2021'de işe alım Datathon'unda mentör olarak başladık. 2024 sonuna kadar ekibi eğittik, DSO'nun veritabanı ve sunucu altyapısını kurduk, on üçten fazla projeyi yazıp hayata geçirdik. Bugün DSO, Defacto'nun perakende analitiği, yapay zeka ve iş zekası ihtiyaçlarını karşılayan bir direktörlük.

  • 4 yıl Süre
  • 13+ Proje

Defacto

Defacto Norm Kadro: her mağazanın olması gereken kadrosunu veriyle hesaplamak

Mağaza kadrosu kararını fiili bordrodan ve sübjektif taleplerden çıkarıp ölçülen iş hacmine ve aynı segmentteki verimli emsale dayandıran model. Her mağaza × rol için 2025 normu, 2026 hedefi ve artır / azalt / koru kararı üretiyor; tamamen BigQuery üzerinde, parametrik.

  • Mağaza × rol Karar birimi
  • Frontier Referans

Kuveyt Türk

Kuveyt Türk: Dijital Pazarlama ve Bireysel Müşteri Analitiği ekiplerine usta–çırak mentörlüğü

2023'te Dijital Pazarlama'nın analitik ekibiyle SQL, Power BI, Python ve makine öğrenmesi eğitimleriyle başladı. Ardından ekip kendi projelerini Lumtify mentörlüğünde kurdu: dijitallik puanı, hedef kitle yönetimi, churn neden analizi, arayüz kullanım analizi, ürün öneri ve churn tahmin modelleri. 2025'ten beri Bireysel Müşteri Analitiği ekibiyle harcama analitiği, lüks harcama skoru ve sonraki en iyi aksiyon önceliklendirmesi üzerinde çalışılıyor. Kodu ekip yazıyor; Lumtify yön gösterip yöntemi getiriyor ve çıktıyı denetliyor.

  • Usta – çırak Model
  • 8+ Dijital projeler

Kalekim

Kalekim: üç yılda MVP'den tahmin yönetim sistemine

İki ürün grubu için Excel'den beslenen bir makine öğrenmesi MVP'siyle başladık; ikinci yıl tüm ürünler için her ay yeniden eğitilen bir tahmin sürecine, üçüncü yıl planlamacının kendi çalıştırdığı Kalekimforecast uygulamasına dönüştü. Tahmin bugün Kalekim'in tedarik, üretim ve lojistik planlamasının girdisi.

  • 2 grup → tümü Kapsam
  • 3 Encoding yöntemi

Motor Aşin

Motor Aşin: iki ERP'yi birleştiren veri ambarı, panolar ve karar destek sistemleri

Logo Tiger ve J-Platform'da bölünmüş veriyi SSIS ile tek bir SQL Server veri ambarına aldık; üzerine satış, stok, ürün, depo karşılanabilirlik, bütçe, satışçı karnesi ve satın alma panolarını kurduk. Panoların bir kısmını Motor Aşin ekibi mentörlüğümüzle kendisi geliştirdi. Veri Ekim 2024'ten beri kesintisiz akıyor. 2026'daki üçüncü faz sepet analizi, yok stok–kayıp satış, atıl stok ve tedarikçi başarısını kapsıyor.

  • 2 ERP Kaynak
  • Kesintisiz Veri akışı

Hayat Kimya

Hayat Kimya: e-ticaret siparişleri için Microsoft Fabric üzerinde haftalık tahmin

Pazaryeri ve e-ticaret siparişlerini, depo vardiya planının ihtiyaç duyduğu kırılımda haftalık tahmin eden ve veri ambarından rapora kadar tek bir Fabric pipeline'ı olarak çalışan sistem.

  • Haftalık Tahmin ufku
  • Tek pipeline Otomasyon

Defacto

Defacto İK Analitiği: dashboard'lar, uyarılar ve Norm Kadro modeli

DSO'dan sonra Defacto'yla ikinci dönemde İnsan Kaynakları'nın analitik ekibine danışmanlık veriyoruz. Kapsamda turnover, demografi, akademi ve HRBP dashboard'ları, giriş-çıkış ve prim otomasyonları ve şirket içi asistana bağlı bir uyarı kurgusu var; merkezde Norm Kadro modeli duruyor. Aralık 2025'ten beri sürüyor.

  • 2. dönem Dönem
  • 4 Katman

Mayadem

Mayadem: oyun event'lerinden ClickHouse veri ambarına

Çocuk oyun ve içerik uygulamaları geliştiren Mayadem için iki dönemde iki iş yaptık. 2022'de TRT Çocuk Oyun Dünyası'nın event tasarımını ve pazarlama panolarını kurduk. 2025'te MagicPages okuma uygulaması için PostgreSQL ve S3'ü tek bir ClickHouse analitik ambarında birleştirdik; boyutlar JOIN gerektirmeyen dizi yapısında, olgu tabloları saniyeler içinde cevap veriyor. Çalışma veri merkezli yapılanma danışmanlığı olarak devam ediyor.

  • 7 → 1 Kitap boyutu
  • 130+ Event tanımı

Upily

Upily: Wonjo Kids'in veri altyapısı için keşif ve audit

Çocuklar için oyun uygulaması Wonjo Kids'in Firebase, Adjust ve RevenueCat verisi BigQuery'de toplanmış, ama altyapı organik olarak büyüyüp karmaşıklaşmıştı. Tablo envanteri, pipeline, cross-platform eşleşme, platform paritesi, taksonomi, event tracking ve dashboard olmak üzere yedi alanda 1.500'den fazla BigQuery objesini ve 330'dan fazla event'i inceledik. Güçlü yönleri, riskleri ve dört fazlı dönüşüm yol haritasını tek bir raporda teslim ettik.

  • 1.500+ İncelenen obje
  • 330+ Event

Karaca

Karaca: veri ambarından CustoMation'a veri analitiği danışmanlığı

Karaca grubunun (Karaca, Karaca Home, Emsan, Homend, Kaşmir) mağaza ve e-ticaret verisi için 2022–2023'te veri analitiği ekibinin yanında danışmanlık: veri ambarının analitik katmanı ve küp, ürün ve atıl stok dashboard'u, mağaza ve e-ticaret satış kaybı, kapasite sistemi tasarımı, transfer önerisi ve RFM segmentleriyle kampanya kitlesi seçen CustoMation. Bu sayfa çatı; CustoMation'ın kendi sayfası var.

  • 6 Proje
  • 5 Marka

Türkiye Bankalar Birliği

TBB: bankacılar için veri bilimi eğitimi

Türkiye Bankalar Birliği'nin eğitim programı kapsamında, işinde veri kullanan banka çalışanları için 62 saatlik, 21 günlük 'Veri Analitiği Yolculuğu' programı: veri bilimine giriş, SQL, Python, istatistik ve EDA, görselleştirme, makine öğrenmesi, sektör vakaları. Oturumlar akşamları yapıldı, her modülün ödevi vardı, uygulamalar Colab'da yürüdü. TBB her modülü katılımcı anketiyle 10 üzerinden puanladı; ortalama 9'un üzerinde çıktı.

  • 62 saat Süre
  • 9+ / 10 Değerlendirme

Defacto

Defacto ELOSS: e-ticarette yok-stok yüzünden kaçan satışı ölçmek

Defacto'nun kendi sitesi ve pazaryerlerinde stoğu biten her SKU için 'ürün olsaydı ne satardı' sorusuna cevap veren haftalık hesaplama. Yok-stok öncesi satış hızı, özel gün ve trend etkileriyle satış kaybını hesaplar, günlük satış dağılımıyla güne kırar. Artımlı yapı sayesinde saatler süren hesap dakikaya indi.

  • Haftalık Çalışma
  • ~30 dk Süre

Defacto

Defacto NoSales: 28 gündür satmayan stoğu her hafta aynı kuralla ölçmek

Pazar günü stoğu olan her option × mağaza çifti için son 28 günde satış olup olmadığını kontrol eden, hareketsiz stoğu mağaza, ürün ve bölge kırılımında raporlayan haftalık sistem. BigQuery'de zamanlanmış sorgular, Power BI'da beş sayfalık dashboard; 2021'den bu yana trend.

  • 28 gün Kural
  • Pazartesi 05:30 Çalışma

Defacto

Defacto PAT: Teams'ten Meet'e geçerken bozulmayan toplantı analitiği

Çevrimiçi toplantı verisinden katılım, konuşma süresi ve toplantı verimliliği metrikleri üreten dashboard. Microsoft Teams'in ilişkisel verisiyle kuruldu; şirket Google Meet'e geçince Meet'in iç içe olay verisi Teams şemasına çevrildi ve dashboard hiç değişmeden devam etti. Satır seviyesi güvenlikle herkes yalnızca kendi hiyerarşisini görür.

  • 2 Platform
  • Günlük Yenileme

Derimod

Derimod iş zekası: tek ambardan beslenen 20+ Power BI dashboard'u

Veri ambarındaki temiz veriyi Derimod'un her ekibinin doğrudan ulaşıp yorumlayabildiği dashboard'lara çevirdik: satış, ürün, müşteri, bütçe, mağaza ve depo kapasitesi, lojistik, e-ticaret operasyonu, Optail başarı raporları. Dashboard'lar dört adımlı bir katalogla (raporlama, derin analiz, trading, CEO) kuruldu ve hepsi aynı ambardan besleniyor; hiçbir raporun ayrı bir veri kaynağı yok.

  • 20+ Dashboard
  • 4 Katalog adımı

Derimod

Optail Replenishment: satan ürünün yerine depodan mağazaya otomatik besleme

Ekim 2024'te canlıya aldığımız replenishment, satış hızına göre depodan mağazaya akışı yönetiyor: kaç haftalık cover, minimum lot, hangi depo, hangi mağaza grubu. İlk iki ayda replenishment'ın üçte ikisi Optail'den geldi; 2025'te ayakkabıda %95'e yaklaştı. Her replenishment'ın satışa dönüp dönmediğini ölçüyoruz; Optail'in satışa dönme oranı manuel sevkiyattan da geçen yıldan da yüksek.

  • ~%95 Otomasyon
  • ~1,5× Satışa dönme

Derimod

Derimod stok analitiği: satış kaybı, kırıklık, atıl stok ve her sevkiyatın başarısı

Optail'in kararlarının işe yarayıp yaramadığını ölçen katman. Satış kaybı, kırıklık ve satmayan stok için tanım koyduk, haftalık dashboard'lara bağladık; depo ve mağazalardaki stoku ve her ürün hareketini (yolda, çıkış emrinde, gelecek) görünür yaptık; ilk sevkiyat, replenishment ve transferin her birinin satışa dönme oranını ilk girdi–ilk çıktı bağıyla hesapladık. Bir sezonda ayakkabıda satış kaybı %14'ten %10'a, kırıklık %10,6'dan %8,4'e indi.

  • %14 → %10 Satış kaybı
  • %10,6 → %8,4 Kırıklık

Derimod

Derimod CRM analitiği: müşteri 360, kampanya başarı datamart'ı ve dashboard'u

Stok tarafı oturduktan sonra sıra müşteriye geldi. Dynamics CRM, Shopify ve ERP'deki müşteri, üyelik, puan ve kampanya verisini aynı veri ambarına bağladık; kampanya sonuçlarının tek satırda özetlendiği yapının yerine fiş satırı grain'inde bir yıldız şema kurduk. MASS ve loyalty kampanyaları, puan kazanımı ve harcaması burada kanal, segment ve ürün kırılımında izleniyor. Günlük segment ve puan güncellemesi canlıda, müşteri 360 görünümü prototip aşamasında; churn ve sıradaki en iyi teklif ise yol haritasında.

  • Fiş satırı Grain
  • 2 Kampanya türü

Karaca

Karaca CustoMation: RFM ve davranış segmentleriyle kampanya kitlesi seçimi

Bir kampanyanın kime gideceği sorusunu Excel filtrelerinden çıkarıp tek bir araca koyduk. CustoMation, Karaca grubunun beş markası ve on bir kanalı için müşteriyi RFM segmenti, marka bazlı davranış segmenti, satın aldığı ürün grubu, marka ve son alışveriş penceresine göre seçer. Dahil ve hariç kuralları birlikte tanımlanıyor, her seçim senaryo olarak kaydediliyor ve geçmiş koşularla karşılaştırılabiliyor. Kitle kampanya aracına Excel olarak gidiyor.

  • 10 + 19 Segment
  • 8 Filtre boyutu